Certification professionnelle

Objectifs et contexte de la certification :

L’IA a déjà bouleversé les modèles économiques et le marché du travail dans de nombreux secteurs (finance, banque, assurance, jeux, assistance, transports, sécurité) et va venir modifier notre rapport à l’emploi et à l’économie, ouvrant la voie à de nouveaux emplois à forte compétence ajoutée. 

Sorbonne Université est un lieu historique et symbolique pour étudier l'IA, en raison de ses forces considérables dans les aspects fondamentaux de l'IA (mathématiques, informatique et robotique) ainsi que dans ses applications avec toutes les facultés, autour de la coordination assurée par le Sorbonne Center for Artificial Intelligence (SCAI). 

Aujourd’hui, dans le contexte de la Stratégie Nationale pour l'Intelligence Artificielle et du Partenariat Mondial pour l'Intelligence Artificielle (PMIA), cette certification "Mettre en œuvre la science des données et l'apprentissage profond au service de l’intelligence artificielle", prend en compte les nouveautés technologiques apparues et permettra de valoriser les compétences des employés et entrepreneurs sachant réaliser des analyses prédictives en réponse aux problèmes de l'entreprise.

Publics cibles : personnes en situation professionnelles possédant les prérequis ou demandeurs d’emploi en transition vers les métiers de la donnée (Data Analyst, data scientist...).

Compétences attestées :

Collecte et analyse des données pertinentes pour entraîner des modèles d'IA

C1 - Collecter des données publiques ou privées pour l'entraînement de modèles d'apprentissage automatique.

C2 - Analyser la qualité et les caractéristiques des données afin d’évaluer leur potentiel pour l’IA tout en respectant la réglementation et les bonnes pratiques d'utilisation des données, concernant le respect des données personnelles, de sécurité et d'éthique.

C3 - Utiliser les architectures big data du cloud pour manipuler et extraire de l'information pertinente des données.

Développement de modèles d'IA pour résoudre une problématique métier

C4 - Analyser et comprendre les besoins métiers, en définissant des objectifs et des indicateurs de réussite/performance qui permettent de déterminer les tâches pouvant être traitées par IA.

C5 - Développer et mettre en œuvre une architecture de traitement de données en utilisant des bibliothèques logicielles de référence afin de résoudre une problématique métier.

C6 - Construire et mettre en œuvre des modèles d'apprentissage profond afin de traiter une tâche d’IA en maximisant les indicateurs de performance.

C7 - Connaître de façon exhaustive les modèles d’apprentissage profond existants, sélectionner le modèle le plus pertinent et l’adapter afin de résoudre la problématique étudiée.

C8 - Déterminer des indicateurs et des procédures d’évaluation des modèles d’IA entraînés afin d’évaluer leurs performances et de sélectionner le plus pertinent.

Encadrer une équipe et communiquer afin d’établir un gestion pérenne et éthique des projets d’IA

C9 - Communiquer auprès des décideurs, des experts et du grand public afin d’expliquer le fonctionnement des modèles d’IA choisis et entraînés, et de présenter leurs résultats de performance de manière intelligible.

C10 - Manager une équipe projet en mettant en œuvre des méthodes de gestion de projet adaptées dans le but de produire et de déployer une solution d’IA au sein d’une entreprise.

C11 - Évaluer et intégrer les enjeux sociétaux liés aux solutions d’IA proposées dans le but de les rendre conformes au cadre législatif, juridique et réglementaire.

Modalités d'évaluation :

Mise en situation professionnelle 1

Dans la mise en situation professionnelle 1, le candidat doit choisir des outils mathématiques et des méthodes d'apprentissage adaptés à un cas d'entreprise réel ou fictif, et justifier leur exactitude par un raisonnement logique. Le candidat doit rendre une courte note d’intention et répondre à un QCM à la suite de cette évaluation.

Mise en situation professionnelle 2

Dans la mise en situation professionnelle 2, le candidat doit traiter les données, entraîner un modèle d'apprentissage automatique ou d'apprentissage profond et ajuster ses paramètres pour maximiser ses performances sur un cas d'entreprise réel ou fictif. Le candidat doit rendre un rapport comprenant une synthèse du code développé pour le jeu de données et le modèle d'apprentissage, ainsi qu'une analyse et une critique constructive des résultats pour améliorer l'ensemble.

Projet professionnel

Le projet professionnel consiste à identifier les problématiques et enjeux d'une entreprise réelle ou fictive, à les transformer en objectifs réalisables et à mettre en place une chaîne de traitement de données et d'apprentissage (incluant la sélection et l'ajustement du modèle approprié) pour répondre à ces objectifs. Le candidat doit également communiquer le protocole expérimental et les conclusions, et fournir une évaluation critique des limites de l'approche. La soutenance du projet comprend une présentation de 20 minutes sur le contexte, les problématiques et les objectifs, ainsi qu'une démonstration du prototype développé.